简介
以人工智能为代表的新技术正在给人们的生产和生活方式带来革命性变化。人工智能技术试图了解智能的本质，并产生一种新的能以人类智能相似的方式做出反应的智能机器。让计算机理解现实世界中诸如图像，语音和语言等数据所蕴含的高层次抽象信息，并加以利用，是该领域*的挑战之一。诸多理论和实践成果表明，以深度神经网络为代表的“深度结构”是解决该问题的*重要工具之一。本书详细论述了采用深度结构的动机、原理和理论依据，讨论了训练深度神经网络的难点，继而详尽的介绍了自动编码器、受限玻尔兹曼机以及深度置信网络的概念和理论，并进行了理论分析。本书是深入理解深度学习的动机和原理的经典之作。
【媒体评论】
Bengio教授的这部专著是深度学习的经典，是了解深度学习技术的必读书目。书中有许多亮点，比如，作者从统计效率的角度论述了深度神经网络的优点，揭示了深度学习强大学习能力的本质。俞凯教授将该书翻译成中文，一定能帮助国内读者更准确细致地了解其内容，推动深度学习知识的普及，实在是功不可没！
李航 华为诺亚方舟实验室主任，IEEE Fellow
深入理解深度学习的理论是高效运用具体算法的基础。Yoshua Bengio教授的这部力作是深入理解深度学习动机的经典之作。俞凯教授对此书的翻译行文清晰、概念严谨，将英文原著中的长段论述以符合中国人逻辑的方式进行意译，忠实而易懂地表达了原著。这对于促进国内学生或研究者深入理解深度学习本质，探索新的研究方向具有很大的价值。虽然这个英文单行版已有八年的历史且作者一年前出版了更新的关于深度学习的书, 俞教授翻译的这本中文版仍值得细读, 尤其对中国读者。
邓力 Citadel首席人工智能官，前微软人工智能首席科学家，IEEE Fellow
深度学习是人工智能的一个突破。这个突破的意义就是我们常说的“由量变到质变”的变化过程。Yoshua Bengio教授所著的“人工智能中的深度结构学习”这本书，通过俞凯教授的中文翻译，旨在阐述深度结构和学习效果之间的内在联系。此书分析透彻，解释清楚，给出了很多有用的实例。 不管是初涉深度学习的学生，还是在深入探索中的研究者，这本书都会提供非常好的帮助。 所以，我高度推荐这本书。
杨强 香港科技大学计算机系主任，IEEE Fellow、AAAI Fellow
目录
译者序
１ 引言１
１.１ 如何训练深度结构３
１.２ 中间层表示：在不同的任务中共享特征和抽象４
１.３ 学习人工智能的必经之路５
１.４ 本书大纲６
２ 深度结构的理论优势８
２.１ 计算复杂性１０
２.２ 一些非正式的论证１１
３ 局部与非局部泛化性１３
３.１ 局部模板匹配的局限性１３
３.２ 学习分布式表示１７
４ 具有深度结构的神经网络１９
４.１ 多层神经网络１９
４.２ 训练深度神经网络的挑战２０
４.３ 深度结构的无监督学习２５
４.４ 深度生成结构２６
４.５ 卷积神经网络２８
４.６ 自动编码器２９
５ 能量模型和玻尔兹曼机３１
５.１ 能量模型和专家乘积系统３１
５.２ 玻尔兹曼机３４
５.３ 受限玻尔兹曼机３６
５.４ 对比散度３９
目 录Ⅴ
６ 深层结构的逐层贪心训练４６
６.１ 深度置信网络的逐层训练４６
６.２ 堆叠自动编码器训练４８
６.３ 半监督与部分监督训练４９
７ 受限玻尔兹曼机和自动编码器的变体５１
７.１ 自动编码器和受限玻尔兹曼机的稀疏化表示５１
７.２ 降噪自动编码器５５
７.３ 层内连接５６
７.４ 条件ＲＢＭ和时序ＲＢＭ ５７
７.５ 分解式ＲＢＭ ５９
７.６ 受限玻尔兹曼机和对比散度的推广５９
８ ＤＢＮ各层联合优化中的*变分边界６２
８.１ 将ＲＢＭ展开为无限有向置信网络６２
８.２ 逐层贪心训练的变分证明６４
８.３ 所有层的联合无监督训练６６
９ 展望６９
９.１ 全局优化策略６９
９.２ 无监督学习的重要性７２
９.３ 开放的问题７３
１０ 总结７６
致谢７８
参考文献７９
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
